如何基于配对索引列表合并Pandas中的df1与df2？

核心思路 #

通过构造df1行索引与df2行索引的一一配对关系，分别提取两个DataFrame中对应行的副本，再将它们按列拼接，就能实现自定义的合并逻辑。这种方式绕开了Pandas复杂的merge计算，直接基于索引定位行，效率更高。

具体实现步骤 #

假设你的matches列表格式为[[1,2,7,14], [1,2,7,14], [3,8]]，对应df1的第0、1、2行分别需要匹配df2的指定行，代码如下：

1. 生成索引配对列表
   先把matches转换成(df1行索引, df2行索引)的配对元组列表，明确每一组需要合并的行：

   # 生成索引配对
   index_pairs = []
   for df1_idx, df2_indices in enumerate(matches):
       for df2_idx in df2_indices:
           index_pairs.append( (df1_idx, df2_idx) )
   

   或者用更简洁的列表推导式：

   index_pairs = [ (i, j) for i, js in enumerate(matches) for j in js ]
   

2. 提取对应行数据
   分别从df1和df2中提取配对列表对应的行：

   import pandas as pd
   
   # 提取df1的重复行（按配对次数复制）
   df1_selected = df1.loc[ [pair[0] for pair in index_pairs] ].reset_index(drop=True)
   # 提取df2的对应行
   df2_selected = df2.loc[ [pair[1] for pair in index_pairs] ].reset_index(drop=True)
   

3. 合并两个提取后的DataFrame
   直接按列拼接即可得到最终的合并结果：

   merged_df = pd.concat([df1_selected, df2_selected], axis=1)
   

补充说明 #

• 这种方法完全基于索引直接定位行，避免了Pandas merge过程中的复杂匹配计算，适合自定义配对逻辑的场景。
• 如果df1的行索引不是默认的0开始整数，只需把enumerate(matches)换成遍历df1的实际索引：

  index_pairs = [ (df1_idx, df2_idx) for df1_idx, df2_indices in zip(df1.index, matches) for df2_idx in df2_indices ]
  

内容的提问来源于stack exchange，提问作者webb